AI-Supported Assessment of Load Safety

要約

貨物の安全性評価とコンプライアンスは、あらゆる物流サービスプロバイダーの企業プロセスにおいて不可欠なステップです。
2020年には警​​察によるトラック検査が合計1万1371件実施され、そのうち9.6％（1091件）で積載安全規定に対する違反が発見された。
物流サービスプロバイダーにとって、あらゆる積載安全違反は高所罰金や評判の低下につながります。
人工知能 (AI) によってサポートされる積荷の安全性評価により、安全性が確保されていない積荷による事故や安全性評価中の罰金のリスクが軽減されます。
この研究では、積み込みプロセス後にトラック運転手またはロードマスターが撮影した荷物の写真を、荷物の安全性を評価するためにどのように使用できるかを示します。
訓練された 2 段階の人工ニューラル ネットワーク (ANN) によって、これらの写真は、I) 安全に積載された貨物、II) 安全に積載されていない貨物、III) 使用できない画像の 3 つの異なるクラスに分類されます。
畳み込みニューラル ネットワーク (CNN) のいくつかのアーキテクチャを適用することにより、貨物の安全性評価に使用できない画像と使用可能な画像を区別できることがわかります。
トラックの運転手や荷主は、トラックのケース構造や貨物全体のような重要な画像の特徴を含まない写真を提供する場合があるため、この区別は非常に重要です。
その後、人間のオペレーターまたは別の ANN が第 2 段階で積荷の安全性を評価します。

要約(オリジナル)

Load safety assessment and compliance is an essential step in the corporate process of every logistics service provider. In 2020, a total of 11,371 police checks of trucks were carried out, during which 9.6% (1091) violations against the load safety regulations were detected. For a logistic service provider, every load safety violation results in height fines and damage to reputation. An assessment of load safety supported by artificial intelligence (AI) will reduce the risk of accidents by unsecured loads and fines during safety assessments. This work shows how photos of the load, taken by the truck driver or the loadmaster after the loading process, can be used to assess load safety. By a trained two-stage artificial neural network (ANN), these photos are classified into three different classes I) cargo loaded safely, II) cargo loaded unsafely, and III) unusable image. By applying several architectures of convolutional neural networks (CNN), it can be shown that it is possible to distinguish between unusable and usable images for cargo safety assessment. This distinction is quite crucial since the truck driver and the loadmaster sometimes provide photos without the essential image features like the case structure of the truck and the whole cargo. A human operator or another ANN will then assess the load safety within the second stage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google